[发明专利]一种结构增强的半监督在线地图生成方法

权利要求书

1.一种结构增强的半监督在线地图生成方法，其特征在于，包括如下具体步骤：

步骤1：利用已有的遥感影像、地图数据集，或者通过谷歌地图提供的API获取遥感影像和即成地图这两种图像资源并进行标准化处理，获取到的两种图像资源之间存在部分样本的映射关系，根据配对与否，通过文件组织结构划分为配对样本和非配对样本，构建半监督训练数据集；

步骤2：利用Structure-guided Semi-Supervised Online Map AutomaticGenerating Model Based on GAN模型(简称S2OM)对半监督训练数据集进行学习；

步骤3：输入其他经过标准化处理后的遥感影像，使用S2OM模型进行地图生成。

2.根据权利要求1所述的一种结构增强的半监督在线地图生成方法，其特征在于，所述利用S2OM模型对半监督数据集进行学习包含以下步骤：首先利用S2OM对半监督训练数据集的非配对样本进行非监督学习阶段，在利用S2OM对半监督训练数据集的配对样本进行监督学习阶段。

3.根据权利要求1所述的一种结构增强的半监督在线地图生成方法，其特征在于：所述S2OM模型包含两组生成器和识别器，一组生成器和识别器用于生成地图和判断地图真实性，分别称为Grm和Dm，另一组生成器和识别器用于生成遥感影像和判断遥感影像真实性，分别称为Gmr和Dr。

4.根据权利要求2所述的一种结构增强的半监督在线地图生成方法，其特征在于：所述监督学习阶段根据从遥感影像到地图转换的对抗损失、内容损失和自身内容损失调整模型。

5.根据权利要求1所述的一种结构增强的半监督在线地图生成方法，其特征在于：所述内容损失包含L1损失、图像梯度L1损失和图像梯度协方差损失。

6.根据权利要求2所述的一种结构增强的半监督在线地图生成方法，其特征在于：所述非监督学习阶段根据从遥感影像到地图转换的对抗损失和自身内容损失、从地图到遥感影像转换的对抗损失和自身内容损失以及循环内容损失(Cycle-content Loss)调整模型。

7.根据权利要求2所述的一种结构增强的半监督在线地图生成方法，其特征在于：所述非监督学习阶段包含以下步骤：

S1：Grm利用batch中的遥感影像生成地图；

S2：Dm判断生成的地图和样本中的地图的真实性；

S3：根据生成的地图、样本地图以及Dm的判断结果计算对抗损失和自身内容损失；

S4：Gmr利用batch中的地图生成遥感影像；

S5：Dm判断生成的遥感影像和样本中的遥感影像的真实性；

S6：根据生成的和样本中的遥感影像以及Dr的判断结果计算对抗损失和自身内容损失；

S7：根据生成的地图和遥感影像计算循环内容损失；

S8：基于步骤S3至步骤S7的损失调整模型；

S9：若训练规模达到要求则非监督学习阶段完成，否则回到步骤S1。

8.根据权利要求2所述的一种结构增强的半监督在线地图生成方法，其特征在于：所述监督学习阶段包含以下子步骤：

C1：Grm利用batch中的遥感影像生成地图；

C2：Dm判断生成的地图和样本中的地图的真实性；

C3：根据生成的地图、样本地图以及Dm的判断结果计算对抗损失、内容损失和自身内容损失；

C4：基于步骤C3的损失调整模型；

C5：若训练规模达到要求则监督学习阶段完成，否则回到步骤C1。